资源描述：
《时间序列分析方法及arma,garch两种常用模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第20卷第1期计算机技术与发展Vol.20No.12010年1月COMPUTERTECHNOLOGYANDDEVELOPMENTJan.2010时间序列分析方法及ARMA,GARCH两种常用模型1221武伟,刘希玉,杨怡,王努(1.山东师范大学信息科学与工程学院,山东济南250014;2.山东师范大学管理与经济学院,山东济南250014)摘要:证券市场具有数据单一性(大量不需要经过特殊处理的数据)、分析手段多样性和隐蔽性的特点,且与其飞速发展不相称的是证券分析技术进展的缓慢。股市系统中时间序列的预测问题具有重要的理论及实际意义,时间序列的获取是通过对数据库中数据进行分类汇总分析而获得。获取时间
2、序列数据以后可以对它进行预测分析,从而较准确地预见系统的演进。文中介绍了时间序列的基本知识,同时比较了ARMA和GARCH两种常用模型,得出对于中国股市,GARCH模型性能优于ARCH模型。关键词:时间序列分析法;自回归移动平均模型;条件异方差模型中图分类号:TP30文献标识码:A文章编号:1673-629X(2010)01-0247-03AnalysisMethodofTimeArrayandTwoModelsofARMAandGARCH1221WUWei,LIUX-iyu,YANGYi,WANGNu(1.DepartmentofInformationScienceandEngineerin
3、g,ShandongNormalUniversity,Jinan250014,China;2.DepartmentofManagementandEconomics,ShandongNormalUniversity,Jinan250014,China)Abstract:Thesecuritiesmarkethasmonotonyofdata(alargenumberofdatedoesnotneedprocessedwithspecial-method),character-isticofanalyzingthemeansvarietyanddisguise,andthetechnologyof
4、securitiesanalysishasbeendevelopingsoslowlythatitcannotbeadaptedtothehighspeedatwhichthesecuritiesmarketisgoingforward.Thepredictionquestionofthetimearrayinsystemonthesecu-ritiesmarkethasimportanttheoreticalandactualsignificance.Peoplecananalyzeandpredictthetimearraydataafterithasbeenob-tained,andpr
5、edictthesystematicgradualprogressmoreaccurately.Providethebasicknowledgeoftimearray,andmakethecomparisonoftheARMAmodelandGARCHmodel,bywhichtheconclusioncanbeeasilyfoundthattheGARCHmodelisalittlebetterthantheARMAmodelifitisutilizedintheChinesestockmarket.Keywords:analysismethodoftimearray;ARMA;GARCH0
6、引言对于指导投资者合理投资,维护证券交易市场稳定进由于股市内部规律非常复杂,变化周期无序,而我而促进经济发展有重大意义。国资本市场个人投资者的比例高达99%,投资者个人目前常用的预测方法有证券投资分析法、神经网[1]心理状态不同,同时经济、政治等因素对其影响较大,络预测方法和时间序列分析方法三种。使股价走势变化莫测,难以把握。特别是目前在受到证券投资分析方法是分析和预测股价变动方向和金融危机影响的情况下,对股市进行合理分析和预测,趋势的方法,可分为:技术分析法、基本分析法和组合分析法三大类。神经网络是一种按照人脑的组织和活动原理而构收稿日期:2009-04-28;修回日期:2009-07-19
7、造的一种数据驱动型非线性模型,它是由神经元结构基金项目:国家自然科学基金重大项目(60873058,60743010);山东模型、网络连接模型、网络学习算法等几个要素组成。省自然科学基金重大项目(Z2007G03)作者简介:武伟(1986-),女,硕士研究生,研究方向为流数据挖神经网络预测方法主要包括前馈神经网络预测方法掘与人工智能;刘希玉,教授,博士生导师,研究方向为数据挖掘与(FNN)、时间延
